عنوان پایان‌نامه
ارزیابی اثرات کاربری ها بر کیفیت آب زیرزمینی با استفاده از شبکه عصبی مصنوعی به منظور ایجاد راهکارهای مدیریتی
- رشته تحصیلی
- برنامه‌ریزی مدیریت وآموزش محیط زیست
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده محیط زیست شماره ثبت: ENV 1000;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 58326
- تاریخ دفاع
- ۱۵ آذر ۱۳۸۹
- دانشجو
- فاطمه نیک بین
- استاد راهنما
- حمیدرضا جعفری
- چکیده
- امروزه با توجه به افزایش فعالیت های کشاورزی و باغداری و دامداری از یک سو و فعالیت های صنعتی و کارگاهی و توسعه سکنا گزینی همراه با رشد جمعیت از سوی دیگر بالطبع نیاز مبرم به آب را در پی خواهد داشت و با توجه به اینکه تنها منبع مطمئن بهره برداری در مناطق خشک و نیمه خشک مانند ایران سفره آب زیر زمینی می باشد لذا نقش مدیریت صحیح بهره برداری و حفاظت از آب های زیر زمینی پررنگ می گردد.یکی از روش های حل مشکلات محیط زیستی امروز برنامه ریزی و مدیریتی است که بر پایه تعریف و تشریح مشکل، تجزیه و تحلیل شکل-های مختلف آن از طریق شبیه سازی، مدل سازی، پیش بینی و در نهایت برنامه ریزی با ارزیابی راه حل های مختلف قرار دارد. در این پژوهش ارتباط بین کاربری های سطح شهر تهران بر کیفیت آب های زیرزمینی این شهر با هدف اصلی مدل سازی رابطه احتمالی بین ارتباط نوع کاربری ها و میزان غلظت پارامترهای NO3,SO4,HCO3,TDS,MG,CA,K,NA,EC با استفاده از شبکه عصبی مصنوعی مطالعه شد. به همین منظور برای تهیه لایه های کاربری اراضی از نقشه کاربری اراضی تهیه شده از تصویر ماهواره ای سال 84 تهران که از سنجنده آیکونوس با قدرت تفکیک 1 متر، توسط شهرداری شهر تهران تهیه شده بود استفاده گردید. سپس مدلسازی شبکه عصبی مصنوعی به روش MLP برای هر پارامتر به طور جداگانه اجرا شد که معیار گزینش مدل بهینه شبکه، کمینه اندازه ریشه میانگین مربعات خطای (RMSE) آن و ضریب همبستگی بود. و همچنین برای مقایسه مدل پیش بینی شده شبکه عصبی مصنوعی با روش Kriging در نرم¬افزار Arc GIS درون¬یابی انجام شد. نتایج بررسی نشان داد که مدلسازی¬ حاصل از شبکه عصبی بیانگر توانایی بسیار بالای این مدل در امر پیش بینی و مدلسازی نسبت به روش Kriging می¬باشد.صحت و دقت بالای شبکه عصبی در کشف نامعلومی ها و مجهولات سبب کاربرد بهینه آن به عنوان یک ابزار مدیریتی شده است. انجام شبیه سازی ها و مدلسازی های مختلف آلودگی آب های زیرزمینی، می تواند گام موثری را در راستای بهینه نمودن مدیریت، کنترل، برنامه ریزی و تصمیم گیری در برداشته و منجر به صرفه جویی های مختلف اقتصادی ومحیط زیستی گردد
- Abstract
- Today, due to increased activities in agriculture and horticulture and livestock in one hand and industrial and workshops activities and settled population growth in another hand, the need for water will increase naturally and according to this fact that the only reliable source for water exploitation in arid and semi-arid regions is aquifer is, the role of utilization management and ground-water conservation will be highlighted. One of the main methods which would help solving environmental problems is planning and management, based on the definition and description of the problem and analysis of its different forms, through simulation, modeling, predicting and finally planning with evaluating different solutions. In this study, the effects of different land uses in the city of Tehran on the quality of groundwater associated with the original purpose of modeling the possible relationship between land use type and concentration of NO3, SO4, HCO3, TDS, MG, CA, K, NA, EC parameters, using artificial neural networks have been studied. Therefore, Tehran land use map of the year 2005 from satellite images from Iconos sensor with a resolution of 1 M, was used to prepare land use layers. Then, the artificial neural network modeling with MLP method was applied ,for each parameter separately which the criteria’s for selecting the optimal network models were minimum size and root mean square error (RMSE) and correlation coefficient and also for the comparison of an artificial neural network predicted model using Kriging method, an interpolation was performed in Arc GIS software. The results showed that the neural network modeling represents a very high capability of the model in predicting and modeling in comparison with the Kriging method. The high accuracy of the neural network to discover the unknowns is one of the main reasons for its optimal use as an efficient management tool. Simulation and modeling of groundwater contamination is a valuable step toward optimizing the management, control, planning and decision making which would result economical and environmental savings. Keywords: Remote sensing, artificial neural networks, Groundwater quality, landuse, Arc GIS, Statistica, Tehran, Iran
